<mark id="oztn4"></mark>
0
| 本文作者： 楊依婷 | 2025-12-22 11:58 |
2025年12月12-13日，第八屆GAIR全球人工智能與機器人大會在深圳·博林天瑞喜來登酒店正式啟幕。
作為AI 產(chǎn)學(xué)研投界的標(biāo)桿盛會，GAIR自2016年創(chuàng)辦以來，始終堅守“傳承+創(chuàng)新”內(nèi)核，始終致力于連接技術(shù)前沿與產(chǎn)業(yè)實踐。
在人工智能逐步成為國家競爭核心變量的當(dāng)下，算力正以前所未有的速度重塑技術(shù)路徑與產(chǎn)業(yè)結(jié)構(gòu)。13日舉辦的「AI 算力新十年」專場聚焦智能體系的底層核心——算力，從架構(gòu)演進、生態(tài)構(gòu)建到產(chǎn)業(yè)化落地展開系統(tǒng)討論，試圖為未來十年的中國AI產(chǎn)業(yè)，厘清關(guān)鍵變量與發(fā)展方向。
GAIR 2025「AI 算力新十年」專場上，鼎熙智創(chuàng)聯(lián)合創(chuàng)始人呂海峰先生，為我們分享了《科學(xué)智能驅(qū)動的新材料設(shè)計研發(fā)》。
當(dāng)“AI for Science”從理念走向產(chǎn)業(yè)化，新材料研發(fā)被視為最具潛力的落地場景之一。然而，在充沛的算力與高漲的期待背后，一道真實的壁壘正逐漸清晰——高質(zhì)量、高價值的專用數(shù)據(jù)，而非算力本身，正成為制約AI驅(qū)動材料發(fā)現(xiàn)從實驗走向量產(chǎn)的關(guān)鍵瓶頸。
呂海峰的實踐，正源于對這一瓶頸的直面與突破。他親歷了中國超算從T級起步、服務(wù)化探索乃至產(chǎn)業(yè)應(yīng)用的完整過程，深諳“建好算力”與“用好算力”之間的巨大鴻溝。如今，他選擇躬身入局，將全部精力投入到通過“干濕實驗閉環(huán)”，在材料研發(fā)中持續(xù)生成高質(zhì)量數(shù)據(jù)、訓(xùn)練專用模型，并最終實現(xiàn)新材料高效孵化的創(chuàng)業(yè)實踐中。
在他看來，AI若不能深入“數(shù)據(jù)-設(shè)計-制備-測試”的產(chǎn)業(yè)閉環(huán)，僅靠公開數(shù)據(jù)與通用模型，將難以破解材料領(lǐng)域的“研發(fā)黑箱”。真正的價值不在于擁有多少算力，而在于能否構(gòu)建一個能持續(xù)產(chǎn)生優(yōu)質(zhì)數(shù)據(jù)、并能將數(shù)據(jù)轉(zhuǎn)化為可驗證材料方案的“智能研發(fā)系統(tǒng)”。
在GAIR 2025的演講中，呂海峰系統(tǒng)分享了如何從早期超算服務(wù)、商業(yè)化運營到如今AI for Science創(chuàng)業(yè)的歷程與思考。他重點剖析了材料研發(fā)中數(shù)據(jù)稀缺的本質(zhì)、構(gòu)建“干濕結(jié)合”閉環(huán)的邏輯與挑戰(zhàn)，以及在此過程中如何找到可持續(xù)的商業(yè)模式——不是售賣軟件工具，而是成為“新材料的孵化器”，直接交付分子設(shè)計、工藝包乃至樣品。
他的經(jīng)驗，來自從理論模擬到自動化實驗室的全鏈路實踐，這些思考對于所有正嘗試將AI深入產(chǎn)業(yè)核心研發(fā)環(huán)節(jié)的探索者而言，或許提供了一個從“為何而做”到“如何持續(xù)”的務(wù)實參考。
以下為呂海峰演講精彩內(nèi)容的精編整理，雷峰網(wǎng)(公眾號：雷峰網(wǎng))作了不改變原意的編輯：
各位下午好，非常感謝主辦方的邀請，今天我將結(jié)合算力主題，分享如何在具體場景的應(yīng)用中利用AI算力解決實際問題。
我的個人經(jīng)歷與算力領(lǐng)域高度契合，2003年畢業(yè)后，我加入中科院超算中心，參與研制了中國第一臺對外服務(wù)的高性能計算機“深騰6800”。當(dāng)時我們使用了256個節(jié)點，搭載安騰2處理器，整機雙精度浮點性能達到5.324 TFLOPS，這是國內(nèi)首次實現(xiàn)T量級的高性能計算能力。以今天的眼光看，這已是相當(dāng)早期的算力實踐。
2008至2009年，中科院超算中心開始嘗試商業(yè)化運營，成為國內(nèi)最早提供算力服務(wù)的機構(gòu)之一。隨后在2009-2010年，我們與北京市政府合作，并于2011年成立北龍超級云計算公司，正式開展對外服務(wù)，可說是算力服務(wù)商業(yè)化領(lǐng)域的早期探索者。
之后，我加入英特爾，負責(zé)高性能計算業(yè)務(wù)拓展，恰逢國內(nèi)多個國家級超算中心（如天津、廣東等地）的建設(shè)浪潮，有幸參與其中，親身經(jīng)歷了算力能力的快速躍升。在英特爾期間，我深刻認識到“消費”的重要性——即如何將建設(shè)的算力與智算中心真正用起來、賣出去，并開始持續(xù)關(guān)注算力的真實用戶與應(yīng)用場景。
2021年，我投身于“AI for Science”賽道，專注于如何利用計算與AI能力為產(chǎn)業(yè)創(chuàng)造更大價值。今天我分享的重點，正是科學(xué)智能驅(qū)動的新材料設(shè)計研發(fā)。
創(chuàng)新材料研發(fā)范式正在經(jīng)歷深刻變革：從最初的經(jīng)驗發(fā)現(xiàn)，到實驗試錯，再到理論推演，直至今天數(shù)據(jù)與模型雙驅(qū)動的“AI for Science”第五范式。傳統(tǒng)研發(fā)模式，如愛迪生式的反復(fù)試錯，已難以滿足產(chǎn)業(yè)對效率的需求，尤其是在新興半導(dǎo)體、電解質(zhì)、3D打印、鈣鈦礦、MOF等材料領(lǐng)域，高投入、長周期的研發(fā)模式面臨巨大挑戰(zhàn)。
AI for Science 已成為全球焦點，政策、技術(shù)與產(chǎn)業(yè)需求共同推動其發(fā)展。例如，近期美國發(fā)布的“創(chuàng)世紀計劃”將其提升至國家戰(zhàn)略層面，歐洲也在加緊布局，DeepMind剛剛宣布在歐洲建立相關(guān)實驗室，這充分表明該方向的重要性。在中國我們也已經(jīng)早就布局了AI for Science這一方向，這也是中國第一次引領(lǐng)了全球的科技產(chǎn)業(yè)創(chuàng)新。
AI之所以能變革材料研發(fā)，核心在于它能夠大幅壓縮從理論、設(shè)計、制備優(yōu)化到量產(chǎn)落地的漫長周期。以鋰電池為例，從概念到商業(yè)化用了約50年，而AI與自動化能力的引入，使得研發(fā)過程開始形成“自主設(shè)計-測試驗證-學(xué)習(xí)優(yōu)化”的閉環(huán)。尤其近年來，隨著大模型能力的突破，AI正從工具升級為“研發(fā)伙伴”——能夠觀察實驗、分析數(shù)據(jù)、提出假設(shè)并自主設(shè)計驗證閉環(huán)，這為我們彌合從實驗室到生產(chǎn)線之間的鴻溝提供了全新可能。
然而，在具體落地中，我們面臨的首要挑戰(zhàn)是數(shù)據(jù)問題。當(dāng)前大模型已學(xué)習(xí)了大量公開的文本、圖像等信息，但科學(xué)工程領(lǐng)域的高質(zhì)量、專業(yè)化數(shù)據(jù)往往稀缺、封閉且難以獲取，這些數(shù)據(jù)通常與企業(yè)的專利和核心競爭力深度綁定，難以實現(xiàn)廣泛共享。
因此，我們采取了一種“現(xiàn)實可行”的策略：構(gòu)建“干濕結(jié)合”的研發(fā)閉環(huán)——通過融合理論計算數(shù)據(jù)與實體實驗數(shù)據(jù)，在“數(shù)據(jù)、設(shè)計、制備、測試”的循環(huán)中不斷生成高質(zhì)量、高價值的專有數(shù)據(jù)集。這不僅能提升研發(fā)效率，更能打造一個持續(xù)產(chǎn)生優(yōu)質(zhì)數(shù)據(jù)的“裝置”，為訓(xùn)練更專業(yè)的模型、深入解析材料結(jié)構(gòu)-性能關(guān)系奠定基礎(chǔ)。
這一技術(shù)閉環(huán)自然導(dǎo)向可持續(xù)的商業(yè)模式。如果僅提供軟件或方法，而企業(yè)不愿共享核心數(shù)據(jù)，模型就無法迭代，商業(yè)邏輯也難以成立。因此，我們認為可行的路徑是提供端到端的服務(wù)：客戶向我們提出新材料需求，我們通過持續(xù)學(xué)習(xí)與遞歸反饋的閉環(huán)，構(gòu)建智能化材料研發(fā)平臺，最終輸出新材料分子、驗證報告、工藝包乃至直接提供新材料樣品。
這樣，平臺就演變?yōu)橐粋€“新材料孵化器”，幫助客戶完成產(chǎn)品驗證、工藝優(yōu)化，從而實現(xiàn)AI for Science 的真正商業(yè)化落地。
基于以上思路，我們創(chuàng)立了“鼎犀智創(chuàng)”，并依托北京大學(xué)深圳研究生院河套科創(chuàng)中心，構(gòu)建產(chǎn)學(xué)研“三位一體”的架構(gòu)，致力于打造具備自主推演與驗證能力的“AI Scientist”。
我們的核心能力架構(gòu)包含三個環(huán)環(huán)相扣的部分：
1. AI能力：利用大模型讀取文獻、專利與理論數(shù)據(jù)，生成新穎的分子結(jié)構(gòu)與配方建議，有時甚至能借助其“幻覺”啟發(fā)新思路。
2. 模擬仿真：通過高通量虛擬實驗（如分子動力學(xué)、第一性原理計算）驗證AI建議的可行性，預(yù)測其是否易于制備。
3. 實驗驗證：將優(yōu)選方案投入自動化實驗室進行制備、表征與分析，并將實驗結(jié)果數(shù)據(jù)反饋至模型與仿真環(huán)節(jié)，形成閉環(huán)。
作為一家今年7月成立，剛完成首輪融資的初創(chuàng)企業(yè)，我們正致力于將這三方面能力整合為“材料合成制備智能體系平臺”。我們前期聚焦于納米碳材料（如單壁碳管，烯碳復(fù)合纖維）及新能源方向，依托高校的研發(fā)基礎(chǔ)進行產(chǎn)品驗證與閉環(huán)跑通，再向企業(yè)推廣。
我們已經(jīng)構(gòu)建了“四象限”一站式孵化能力體系：
? 智能軟件：模型智能體及自動化實驗設(shè)計與執(zhí)行。
? 自動化設(shè)備：面向不同場景的高通量自動化實驗裝置（如用于半導(dǎo)體材料的CVD設(shè)備、用于鋰電池的電解液配制系統(tǒng)）。
? 解決方案：基于軟硬件能力為客戶提供研發(fā)服務(wù)。
? 創(chuàng)新材料：最終實現(xiàn)新材料的直接孵化與輸出。
目前，我們已與萬華、貝特瑞等頭部企業(yè)展開合作，在納米碳材料等領(lǐng)域，我們已實現(xiàn)了從概念到制備的全生命周期跑通，這在該賽道中具有重要意義。
在服務(wù)企業(yè)的過程中，我們總結(jié)出了一套方法論：根據(jù)客戶的數(shù)據(jù)基礎(chǔ)，從數(shù)據(jù)治理入手，逐步在生產(chǎn)、小試等環(huán)節(jié)開發(fā)優(yōu)化小模型，最終幫助客戶建立全生命周期的智能研發(fā)能力。這個過程雖然艱巨，但基于對材料行業(yè)的共同理解，我們能與客戶攜手走得更遠，真正將AI落地于實際場景。
以上就是我的分享。我們公司剛剛起步，非常期待與各位有更多的交流與合作機會，共同探索AI for Science在具體場景中的未來。
謝謝大家。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
